基于彩色图像分割的机器人的目标识别

以全自主型足球机器人的视觉系统为研究对象,介绍了一种基于彩色图像分割处理的目标识别方法.根据足球机器人系统中视觉系统的实际应用环境,分析对比了不同颜色空间的优缺点,采用HSV颜色空间作为视觉系统的工作空间,减弱了光照变化对视觉系统带来的影响.针对足球机器人系统中对视觉系统实时性的具体要求,提出了一种通过量化HSV颜色空间获得直方图阈值,再通过阈值进行彩色图像分割方法.这种方法大大减少了视觉系统的工作量,提高了系统的实时性.     

基于颜色相似度量的足球机器人目标识别

以足球机器人视觉系统为研究对象,采用一套基于颜色信息的目标识别方法.在足球机器人视觉系统中,我们采用颜色相似系数来确定各主色的颜色值,以此作为图像分割和图像识别的依据.采用全局网格搜索方法实现目标体的识别过程.实验证明,该算法具有良好的准确性和实时性.     

基于彩色图像分割的机器人足球目标识别

研究了机器人足球视觉系统中基于彩色图像分割的目标识别的方法。为了适应光照条件的变化，采用分离出亮度信息的YUV颜色空间；将彩色图像分割分为离线的颜色分类和实时的分割、识别两个部分，并采用最大似然法完成颜色的自动分类，满足了机器人足球视觉系统实时、准确的要求。试验证明，在光照条件改变的情况下能够有效地进行目标识别。     

基于图象分割的机器人视觉系统的设计与实现

机器人视觉系统是自主机器人的重要组成部分，而如何精确高效的处理视觉信息是视觉系统的关键问题．本文介绍了一个包括离线颜色分析器和实时视觉信息处理器两大部分的机器人视觉系统。离线颜色分析器用于提取各种颜色的阈值，实时视觉信息处理器则利用阈值进行图象分割，从而使机器人准确认知当前环境。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

一种基于颜色信息的足球机器人目标搜索方法

针对实际比赛中足球机器人视觉系统不能快速、准确地搜索到目标物体的问题,分析了RGB空间模型的优缺点以及基于彩色HSI变换原理,结合足球机器人的实际情况采用了一种从RGB空间到HIS空间快速变换的方法对颜色信息进行处理.同时,通过分析以往的目标搜索方法的优缺点,提出了一种基于颜色索引表的顺序网格法和种子填充法相结合的目标搜索方法,并在足球机器人视觉系统中进行了实验.实验结果表明这种方法既在一定的程度上降低了噪声干扰的影响,又避免了逐个像素计算颜色值,大大降低了计算量,从而提高了系统的实时性和可靠性.     

一种适于实时机器视觉的光照补偿方法研究

光照对图像颜色失真的影响是机器视觉中尚未有效解决的技术难点之一.通过建立一种基于背景的非均匀光照补偿模型,从原图中分离出图像的光照变化,对图像进行校正预处理.提高了后续分割的准确度.实验证明该方法运算开销小,应用到实时性要求高的足球机器人视觉系统中,能有效地克服比赛中光照的不均匀性对目标颜色失真的影响,提高了视觉系统的识别效率.     

一种基于数据竞争的高分辨率图像的聚类分割算法

近些年,机器人技术得到了迅猛的发展,应用越来越广泛.随着机器人技术的推广和普及,对机器人使用的要求也越来越高,其中对智能机器人的要求尤显迫切.机器视觉是智能机器人研究领域的一个重要研究方向.在机器人视觉系统中,核心问题是目标提取,对目标实时、准确、快速提取的关键技术是图像分割.由于机器人感知的环境的复杂性及目标的多样性,往往导致机器人感知获得的图像数据量较大且图像本身存在不可预知的复杂性,这就对准确的目标分割和提取处理提出了挑战性问题.本文针对高分辨率图像数据集的分割处理,提出一种新的聚类算法,即根据数据点能量和的大小识别类代表点和类成员点,通过数据点间的竞争识别出最有能力成为簇成员的数据点,并将其与mean shift聚类算法有效地结合应用于彩色图像分割问题中,能够快速高效地实现高分辨率图像的目标分割,并得到较好的图像分割效果.实验结果表明,本文算法在分割效果和分割效率上明显优于传统聚类算法.     

田间采摘西红柿计算机识别方法的设计研究

设计了一种实现田间西红柿收获机器人视觉系统的图像识别方法。通过对西红柿图像中目标与背景在不同彩色空间中颜色特征量的统计分析,确定图像分割的颜色特征量。对不同分割算法进行图像分割效果的比较,确定不同采摘期的最佳分割算法,并对分割后的图像进行目标提取及完善,获取颜色、形状特征均符合要求的采摘西红柿较为完整的轮廓信息。经实验测定,对实验样本西红柿目标提取,实验成功率达95%左右,平均用时0.21s。     

多颜色模型下的乒乓球快速检测与实时跟踪研究

乒乓球机器人视觉系统中的乒乓球检测主要有基于运动分析和基于单一颜色模型分割两种方法.基于运动分析的方法对运动背景干扰的鲁棒性较差,而基于单一颜色模型的分割方法会受到相近颜色及光照变化的干扰.为此,提出了多颜色模型下的乒乓球分割算法,结合RGB与HSV两种颜色模型的颜色表达特性提取出乒乓球区域,并利用质心法对乒乓球进行中心定位.在此基础上,提出基于前帧位置的感兴趣区域算法,对乒乓球进行实时跟踪.实验表明,该方法能够在复杂环境下对乒乓球进行快速精确定位,算法处理时间小于10 ms,定位误差小于20 mm,满足乒乓球机器人的击球需要.